智慧城市网

 

　　他对自家的“不要脸运动”深以为豪，以扫手取代刷脸，扫的是静脉、动脉和毛细血管，以每一根血管的分叉点和点与点之间位置关系为特征值。
 

　　“我们的N值达到4亿(能与4亿数据做对比，简单说，N值越高算法和算力越强)，再加上4位手机号码，做到了40亿。”
 

　　公开数据显示，商汤2017年有20亿张人脸数据，2亿个体训练，达到9位密码时代。
 

　　进场之后，靠脸的可能性也不大了。
 

　　“一说到视觉技术就想到刷脸，其实这是为简单基础的功能。”林捷说，“进场之后拍不到人脸，靠体态识别这个人，知道他拿了什么商品，这比较难。”
 

　　业内公认的、视觉技术应用的表现为Amazon Go，全程通过机器捕捉看了什么，拿走了什么，离店后自动扣款，当然，为确保准确性，Amazon Go还采用了重力感应器、二维码、红外感应器等辅助技术。
 

　　深兰于2016年4月发布了无人值守零售解决方案，陈海波告诉亿邦动力网，人与货关联的算法极为复杂，“入场时采集到人的数据，包括人的体型，头到地面的距离，肩到地面的距离，这是一个综合数据，摄像头一直在追踪用户。在商品区有一条无形的电子栅栏，手伸进去以后触发摄像头开始抓取动作。摄像头以每秒30帧抓取手，当触及商品时每秒120帧， 同时实时去背，扣掉背景，让摄像头都集中看商品，更判断它是什么。”
 

　　“全程要调动多个摄像头协同监控，实时调整每个摄像头的权重。如果商品和背景一个颜色，那机器大脑也没办法了。”
 

　　你们这方案多少钱？
 

　　“零售毛利低，对每一笔投资都会非常谨慎。相应而言，它是一定要看到效果才会投资。”尚海龙说。
 

　　从安防到零售，作为服务方的计算机视觉公司明显感知到客户预算的锐减。
 

　　比如，*的视频监控方案并非适用一般的零售商，“它本身使用是公安内网，一个本地化的服务器集群，用物理服务器去承载所有的视频流，服务对象的特性决定了方案的设计。”一位视觉从业者表示。
 

　　普通零售商针对视频监控则必须考虑：，本地加服务器，购买服务器需要几万元，而且需要人维护，还要防止偷盗丢失破损；第二，云加端，视频流传到云端处理方案的网络带宽成本加云端GPU服务成本也不低，传输至少一个720P或者一个高清码流，带宽少说要4M，一个CPU服务器，大概阿里是500块钱一年，GPU是3000块钱一年；第三，压缩视频流上传云端，会丢帧失真，效果很差。
 

　　“政府项目可以说不计成本，以达到好的效果，这和商业的逻辑不一样。”
 

　　硬件占据方案成本中的大头，包括GPU、相机以及各类感应器等。
 

　　后台分析是店里配备小型硬件处理站还是走云端，包括私有云、公有云还是混合云，厂商们提供了开放选择。图普负责零售产品的刘凯解释称，上不上GPU由客户需求决定，云端分析处理的好处是及时性更强，刚到店的客人马上就能被识别出来，模型、程序的更新也是在云端完成，无需人工干预，但是对网络传输要求高；本地化分析则几乎不占用忙时带宽，在本地分析完后再在闲时将分析结果上传到服务器。
 

　　“根据客户实际的需求以及资源的限制来做选择，没有好的，只有适合的。”刘凯说。
 

　　相机有原本线下就在用的几百块的普通摄像头，也有动辄上千的深度版，还有方案提供商自主设计的产品。
 

　　普通相机是单目的，2D成像，而深度相机通过双目或3D结构光或加红外模组实现3D效果，也就可以知道物体离相机多远，当然价格也更贵。
 

　　“我们现在用2D相机，通过算法模拟3D，当然，如果用深度相机模组可以更准，但成本太高了。”一位产品经理表示。